[“old news” is so exciting] 淺談最近同muon有關嘅粒子物理學新「發現(s)」 (Recent muon-related particle physics “discoveries” explained)

(credits: Chris Madden)

好耐冇出文啦,唔知哩期最受大家關注嘅新聞係乜呢?台灣嘅「鮭魚之亂」?單春表態撐新疆棉?長賜號擱淺?叫人白票=犯法?定英國事頭婆老公菲臘親王逝世?除咗嗰堆之外,大家又有冇留意科學方面嘅新聞呢?喺近一個月,理論/粒子物理學又再次成為咗科學新聞嘅頭條啦!而當中嘅主角,就係muon(渺子)啦!唔知大家對相關嘅新聞又知幾多呢?今次等小弟為大家做個「(非?)專業」講解啦!

PS:個人覺得粒子物理學入面,好多粒子嘅(坊間)中文譯名太膠,所以小弟會用番英文。


muon係乜嚟?(What is a muon?)

(credits: Jorge Cham [4]) 

開始之前,我哋首先需要認識一下muon係乜嚟。muon係一種fermion(費米子),係lepton(輕子)嘅一種,同一般我哋認識嘅電子非常相似。佢幾乎大部份嘅物理特性,包括電荷、自旋(spin),都同電子一樣,同樣有相對應嘅反粒子(叫anti-muon),分別只係質量重好多,本身唔穩定,會通過弱作用力,衰變成電子而已。狹義相對論(special relativity)嘅時間膨脹(time dilation)現象,早期其中一個實驗觀察證據,就係同觀察muon衰變有關。簡單嚟講,你可以將muon睇成係「電子」嘅「肥版表兄妹」。而亦因為muon夠「肥」,所以理論上佢更容易受未知嘅物理影響,更容易同質量極重嘅未知粒子發生(間接)相互作用(記得E=mc2嗎?)。

由於muon帶有量子自旋嘅物理特性(註:同電荷一樣,係固有量子特性嚟,唔係真係指粒粒子「自轉」𡁵),佢自己帶固有嘅角動量。而因為muon同時間帶有電荷,所以同經典電磁學嘅電流磁效應情況類似,muon會隨之而自帶磁性/有自己嘅磁場,哩個就係muon嘅磁矩(magnetic moment)。而今次嗰單最多人講,同muon有關嘅新聞,就係同測量muon嘅磁矩有關。


LHCb最近同muon有關嘅初步「發現」(Recent “discovery” at LHCb)

The LHCb experiment at CERN (Image: CERN)

好啦,簡單介紹完muon後,係時間入正題。不過講之前,「戴番個頭盔」先,跟住落嚟講嘅哩兩單新聞,嚴格上未可以叫「發現」,仲未達理論/粒子物理學真.發現所需嘅標準。

首先,最近第一單同muon有關嘅粒子物理學「新發現」,係上月底由位處CERN嘅大型強子對撞機(Large Hadron Collider, LHC),入面其中一個實驗LHCb公佈。 個實驗係測量由超重夸克,bottom quarks(又叫”beauty” quarks)組成嘅b-meson^嘅超罕有衰變過程。

^中文叫介子(「戒指」sosad)

實驗團隊發現有初步「證據」顯示,衰變成正負電子對嘅比例,高於衰變正負muons對[1]。哩個「發現」違反咗標準模型(Standard Model)lepton flavour universality,即撇除質量外,所有Standard Model唔同flavour嘅帶電荷lepton特性同gauge boson coupling$應該一樣先啱。

$ 哩度唔計希格斯場(Higgs field)嘅Yukawa coupling,而哩個Yukawa coupling亦即係lepton嘅質量嚟。因為Higgs boson唔係gauge boson嚟,所以一般嚟講,粒子/理論物理學係唔會當Higgs field相互作用為「第5種基本力」,尤其基本粒子同Higgs field嘅相互作用,背後原理係同自發性對稱破缺(spontaneous symmetry breaking )有關嘅希格斯機制。喺高能量時,電磁力同弱作用力會結合番做同一種力,即電弱相互作用,electroweak gauge symmetry會回復返,Higgs field嘅真空數值,同其相關嘅coupling會全部變0,即相互作用同粒子質量變0。


Fermi Lab muon g-2實驗結果公佈 (Recent results of the Fermi Lab g-2 experiments)

(credits: Jorge Cham [4] )

另一單新聞就係好多人講,上星期由美國費米國家加速器實驗室(Fermi National Acceleration Laboratory),公佈嘅muon g-2實驗結果。

之前提到muon自己帶有磁性,即磁矩。如果將muon放喺一個外磁場入面,佢嘅磁矩會同外磁場有相互作用,繼而衍生出微小嘅擾動,情況就好似轉陀螺咁。Fermi Lab實驗做嘅,就係透過精確測量哩啲微小擾動,去計算muon嘅固有磁性。準確啲講,係測量相關嘅g-factor,即磁矩嘅相關dimensionless數值,而且係測到小數點後好多個位。

點解要測到咁精確?因為哩啲小數點後好多個位嘅細微數值修正,其實係源自背後粒子理論模型嘅量子修正(quantum corrections)。而哩啲量子修正,相對應嘅物理過程,係可以涉及一堆罕有同超高能量嘅粒子,甚至過程間(註:指測量時,initial同final state中間嘅直接觀察唔到嘅過程。有興趣嘅,可以去睇吓乜嘢係量子場論QFT同loop Feynman diagrams)「違反」一堆守恆定律,包括粒子數同能量守恆。

量子場論世界下嘅「真空」
(Creator:Chandra X-ray Observatory Center
Credit:NASA/CXC/FIT/E.Perlman et al, Illustration: NASA/CXC/M.Weiss)

(不準確)比喻嚟講,喺高能粒子嘅量子場論世界,我哋嘅宇宙係好似「一煲由唔同材料煲成嘅湯」,空間充斥著一堆又一堆不停起伏擾動嘅量子場,包括真空狀態時。而哩「煲湯」,係會同muon有相互作用,修正muon嘅磁矩數值。哩個修正,係會根據「煲湯」嘅組成成份(量子場)而唔同。所以準確咁測量哩啲細微數值修正,係可以用嚟驗證Standard Model或粒子理論模型。

而上星期,Fermi Lab就公佈「發現」這個g-factor測量值同Standard Model嘅理論值有明顯分別,顯示有機會有未知嘅新粒子/基本力*影響𡁵muon。睇嚟屹立不倒多年嘅Standard Model,終於要迎嚟被推翻嘅一日?

* 喺標準模型同量子場論,力同粒子某程度上係「同一樣嘢」嚟,而基本力係由gauge boson傳遞


後記

(戴番頭盔先,一早未證實,都唔好開心得太早住)

Fermi Lab嗰單可以話係「old news is so exciting」,因為muon g-2值實驗同理論嘅差異,其實唔算「新發現」,早喺廿年前布魯克海文國家實驗室(Brookhaven National Lab)已經做過類似實驗,搵到類似嘅初步「證據」。今次Fermi Lab實驗,就係進一步驗證究竟哩個「發現」係真定假。所以哩個muon g-2差異,其實喺理論/粒子物理學界,可以話係「舊聞」喔!


另喺Fermi Lab公佈結果嘅同一日,有一組比較細,叫BMW嘅理論團隊,喺Nature發表一篇研究論文。佢哋研究喺完全唔參考量子色動力學實驗數值,單純透過格點量子色動力學(lattice quantum chromodynamics, lattice QCD),用超級電腦計算標準模型入面所有同QCD有關嘅費曼圖貢獻,發現標準模型嘅muon g-2理論數值,可能同一般粒子物理界其他團隊得出嘅值有出入,實驗數值仍然有機會同標準模型吻合 [2]。

最後正如小弟之前講,哩兩單「發現」,暫時都只係屬hints級別,統計數顯著性分別為3.1σ同4.2σ,仲未達理論物理真·發現級別,即純粹屬random chance嘅統計誤差要少於3,500,000份之一


最後送首改編自單春歌曲嘅《棉棉》畀大家。

今次講到哩度,下次再講。


延伸閱讀:

[1] 《Intriguing new result from the LHCb experiment at CERN》CERN News

[2] 《Leading hadronic contribution to the muon magnetic moment from lattice QCD》

[3] 《第242話:新的物理學要出現了嗎?(Muon g-2實驗結果發佈》by 超中二物理宅

[4] 《The Muon g–2 Anomaly Explained》by Jorge Cham,即畫PhD Comic條友(英文漫畫圖解)

[5] 《‘Last Hope’ Experiment Finds Evidence for Unknown Particles》by Quanta Magazine

[6] 《NEWS: What’s up with Muons? – Sixty Symbols》 by Sixty Symbols (英文高質片)

[7] 《Why the Muon g-2 Results Are So Exciting!》by PBS Space Time (英文高質「非入門級」科普片)

[8] 《This result could change physics forever》by Physics Girl 

[無聊隨筆] [非物理系列] 《閱讀、文字嘅價值》

網絡圖片

最近坊間忽然興起一隻吹水(或9up?),主打純粹用「把聲」交流嘅social media平台,叫Clubhouse嘅app。撇除app嘅背景、私隱隱憂[1]、淨係侵iOS iphone用家玩等嘅問題,坊間好似一面倒好評如潮,有人甚至認為Clubhouse呢種「新模式」(其實都唔算新,好似係),令討論或意見方享「門檻降低」,「方便快捷」又「慳咗時間」,甚至令討論「更有意思」*。或者小弟「思想守舊」,見到呢啲睇法,小弟只係諗起近年啲人但求方便,鍾意用語音輸入、甚至語音留言嘅潮流趨勢,尤其嗰啲「每秒幾廿萬上落」,冇乜耐性嘅XX人。

*註:這裡指嘅係將Clubhouse睇成「高人一等」,超然於網上(文字)討論區。


說話交流更方便、更優越?

用說話交流,比起「冷冰冰」嘅文字,或者無礙係多咗一份「人性」、親切感,但說話真係比起文字優越,更能夠帶動思考同討論?純個人意見,現在用家睇到嘅,只係新興社交平台啱啱開始,「密月期」時嘅景況,就好似FB或YouTube啱啱開始時,那種自由、百花齊放嘅感覺。不過當用家或KOL增多,啲人要爭奪話語權、發言時間、聽眾關注嘅時候,這百花齊放、和平互相尊重嘅交流情況就會消失,變番留於圍爐取暖嘅交流,甚至可能更差。你試諗吓,2揀1,你會寧願坐低晒時間聽5毛或阿叻9up,定睇一篇佢哋寫嘅9up文?而事實上除非你是主持人,或本身反應快,能言善辯,說話有感染力,唔係嘅話,喺一班陌生人入面,爭取發言機會同分享意見嘅難度,恐怕遠比分享一段文字更大[2]。最後剩番低主導平台嘅,隨時更大可能係「老高」嗰種只係講嘢好聽,但內容貧乏或冇深度,甚至錯漏百出嘅人。

個人認為,最能啟發思考,準確表達意見同思想嘅,從來都係文字。閱讀同文字,本身有佢哋無可被取締嘅價值(除非人類發展出「讀心術」,可以直接讀取其他人腦入面諗乜。不過真係咁話,你應該會冇晒私隱同想死)。無錯,文字作為語言嘅其中一種載體,或許好「冷冰冰」,唔可以直接刺激感官,人與人交流間好似多咗層「隔膜」。不過正正就係呢層「隔膜」、冇「即時性」,先可以令作者有時間同空間,可以細心諗清楚,自己想表達嘅意思同點樣表達;令讀者閱讀時,更容易摒除感官感受、情感所導致嘅誤解或錯判;同時間亦更容易刺激大腦思考,亦可以反覆閱讀,去深入了解及甚至咀嚼作者想表達嘅意思。


事實上雖然今時今日,人類大腦嘅整體運算能力,仍然強過電腦及人工智能好多,但如果講感官溝通嘅交流能力,人類其實連廿年前56k互聯網都不如,好似係[3]。說話交流嘅好處,更多係情感交流層面上。說話交流所謂嘅「方便」,其實只係「表面上嘅方便」,「方便咗」嘅好多時只係講嗰個(其實都未必。如果你有花時間預先整理、諗你想講或討論嘅內容,花嘅時間隨時仲多,情況就好似演講或辯論),但換嚟嘅聆聽者嘅時間,甚至犧牲咗內容同準確性。同一段說話,睇文字只需要幾秒鐘,但聽人講隨時需要幾十秒甚至更長,更加唔好講好多時,啲人講嘢1999,完全冇經過思考就發言。


最後,送首《低科技之歌》畀大家,希望各位喺呢個現代生活節奏急促,人人「患上」社交網絡焦慮症嘅世界,至少花啲時間慢同靜落嚟,欣賞一下閱讀文字嘅樂趣(好似睇小弟拙文lol)。

利申:冇玩過Clubhouse,但應該唔會有興趣玩


後記:見到某些(政治)KOL,只係因為透過平台觀察或參與咗久違且難得,同某國人相對比較「理性、真誠」嘅政見交流同分享,就自我感覺良好,甚至幻想或者呢個先係某國主流大眾嘅真面目,幻想藉機會「感化」某國,不知點解小弟諗番起過去幾十年某國同某城市嘅「民主運動」……


延伸閱讀:

[1] https://m.facebook.com/story.php?story_fbid=4376082699087403&id=100000571470160

[2]【Clubhouse 的階級強化】

[3] 《Human speech may have a universal transmission rate: 39 bits per second》

[4] 《Clubhouse成了社交網絡焦慮下的情緒出口?》

根據AI、大數據(?)沖咖啡?淺談乜嘢先係真·數據科學(What is data science?)

(Credits: 《Dilbert》by Scott Adams)

近年,尤其自從幾年前DeepMind研發出「神之一手」,能夠捉圍棋打敗所有職業棋士嘅AlphaGo後,人工智能(artificial intelligence,AI)機械學習(machine learning)、數據科學(data science)、大數據(big data)哩啲就成為咗潮流用語,差唔多所有行業都聽到嘅buzzword。情況就好似10幾年前嘅科網熱潮;或者原子彈冷戰年代,乜嘢都加「原子」兩隻字,又或者而家唔少嘢都加「量子」喺前面咁。

不過事實上,入面有幾多先係真材實料,有幾多其實只係9up吹水呢?真正嘅數據科學、大數據又係指𡁵乜呢?


AI大數據沖咖啡?(AI & Big Data coffee?)

(AI大數據咖啡Preface Coffee,圖擷取自[1])

就好似最近香港有單新聞講有間coffee shop,根據當日嘅時事新聞、天氣等,分析哩堆「大數據」去調節口味,沖出最適合嗰日嘅咖啡[1]。

小弟未有幸幫襯過嗰間coffee shop,唔敢貿貿然妄下判斷,就話佢哋係「咖啡機兄弟」哩類騙局啲friends。不過一杯咖啡沖得好唔好飲,啱唔啱客人心水,好明顯最重要、最關鍵嘅係師傅嘅手勢同咖啡豆嘅質素。當時附近環境嘅溫度、當日新聞頭條等等哩啲數據,好多其實唔太關事,就算有影響,都只會係次要同非常細微。

而且每個人嘅喜好準則唔同,好似有人鍾意天氣凍/熱啲,有人鍾意苦/酸啲;政治上又有黃絲/藍絲、「中立x/中間超人」,唔通喺客人買咖啡前,要做一份詳細個人問卷先?另外「開心」哩樣嘢,本身就好難可以好客觀、準確咁定義到。就好似有人見到「私煙BB」染肺炎死咗會好開心,但有人(?)就會惋惜、悼念。現實係唔存在一套適用於所有人嘅單一標準,去定義一個所謂「開心指數」。

(網上圖片)

如其花錢同時間去研發一個複雜,聲稱用到自然語言處理(Natural Language Processing)*嘅程式,去分析一堆次要或唔太關事嘅數據,其實去培訓師傅手藝、改善工作同coffee shop環境、選取優質嘅原料同鑽研唔同配方仲實際。就算真係用人工智能或大數據嘅話,都應該用嚟分析員工、咖啡豆原材料等,優先同實際過乜嘢用時事新聞、天氣等數據去分析所謂「開心指數」。所以個人認為哩個「AI大數據沖咖啡」多數只係玩綽頭,多過真係實際改善到咖啡品質或口味,增加到營業額。

*自然語言處理簡單講就係將人類語言翻譯成電腦「睇得明」嘅嘢,指用電腦將語言變成有相關意思嘅符號同關係,再根據目的作處理同分析。詳細嘅講解有機會再講。


數據科學同數據分析嘅分別(Difference between data scientists and data analysts

好啦,講咗咁耐,咁究竟乜嘢先算係數據科學或大數據呢?好老實講,始終數據科學/大數據唔係數學或理論物理學範疇,佢哋其實係冇一套統一標準定義。不過小弟都可以用自己現時做𡁵數據科學家(data scientist)嘅經驗,講吓數據科學業界,通常係點界定乜嘢係數據科學。

固名思義,數據科學要做嘅當然係分析數據(data)啦!當中數據可以包括任何範疇,基本上所有你諗得到嘅嘢都可以係數據,好似你講嘅一句說話、去過邊度、上過咩網站等等,尤其係而家哩個digital era。

不過除左分析數據之外,更加重要嘅深入理解同洞悉數據背後嘅意義,建構數學或機械學習模型,去嘗試模擬同作出準確客觀嘅預測,去幫助人類執行,甚至自動化一啲決定(decision making process)。就好似透過你上網嘅行為,去推測你鍾意嘅嘢(甚至係政治取態或價值觀,如強國)。所以識得寫程式,甚至係軟件可以話係必須,另了解整個機械學習運作流程,包括數據點得番嚟、數據清洗(data cleaning/cleansing)、點安全同有效儲存數據等等,都好重要。單純淨係用Power BI、Tableau,甚至Excel等坊間軟件,去分析數據嘅,一般只會叫數據分析師(data analyst)#。

#雖然廣義上嚟講,就咁用Excel執行曲線擬合(curve fitting),都係迴歸分析(regression analysis),係機械學習嘅一種。


數據科學嘅重點係科學(Data science should be “scientific”)

(credits: xkcd #925, https://www.explainxkcd.com/wiki/index.php/925:_Cell_Phones

除左上面講嘅之外,作為(前)物理學家,個人覺得「真.數據科學」要叫得「科學」,當然仲需要包含自然科學嘅精神喺入面。即係要(至少某種程度上)理解唔同機械學習演算法(algorithms)同模型背後嘅邏輯、合理性,甚至係唔同數據、現象背後嘅因果關係,而唔係單純嘅統計學數據分析,不求甚解咁追求最準確嘅預測,尤其哩個世界咁多數據,統計學上相關嘅巧合根本多到數都數唔晒^[2]。

^記住相關不蘊涵因果,相關不蘊涵因果,相關不蘊涵因果(correlation does not imply causation)。好重要所以要講三次,好似係

另一方面,communication、數據可視化(data visualisation)都係重要嘅一環。 數據科學家好多時仲要明白同理解哩啲模型所做出嘅決定(至少某種程度上,例如知道邊啲數據影響決定較大),然後透過簡單易明嘅圖像同語言,去講解番畀其他人聽,而唔係當機械學習模型係black-box咁。


今次講到哩度,下次有機會再講多啲人工智能、數據科學嘅嘢。最後,喺2020年嘅最後一日,等小弟送首由AI寫嘅聖誕歌[3],為哩個咁特別嘅一年劃上句號,祝大家假期愉快同新年快樂(雖然聖誕已經過咗lol)!

延伸閱讀:

[1] 《AI大數據沖咖啡 分析時事調節口味》,刊於信報財經新聞「StartupBeat創科鬥室

[2] 偽相關嘅數據例子 https://www.tylervigen.com/spurious-correlations

[3] 《It’s no Christmas No 1, but AI-generated song brings festive cheer to researchers》

https://www.theguardian.com/technology/2016/nov/29/its-no-christmas-no-1-but-ai-generated-song-brings-festive-cheer-to-researchers

[說文解字] [政治正確系列] 《乜嘢係「中立」?》

(「中間超人」,圖擷取自《蘋果日報》)

喺2020年嘅最後一個禮拜,小弟想再破例一次,唔講物理或數學,講一下「中文」。

喺哩幾年,香港坊間突然多咗一班人同聲音,聲稱自己係「中立」,然後發表一系列文章同「偉論」,就住某啲政治議題、事件討論,甚至抨擊某啲陣營(通常係單一陣營)。哩班聲音又算唔算得上係「中立」、「客觀」呢?而事實上,「中立」又代表乜嘢呢?


究竟乜嘢係「中立」呢?

根據中文詞典,「中立」係指居中而立,解處於對立嘅兩方之間,不傾向任何一方。用英文解釋嘅話,就係neutral、balanced,有類似中間主義Centrism嘅意思

以下係一啲有引有「中立」哩個詞嘅古文例子:

《禮記·中庸》:“中立而不倚,強哉矯。” 孔穎達 疏:“中正獨立,而不偏倚,志意強哉,形貌矯然。” 唐-白居易 《養竹記》:“竹性直,直以立身,君子見其性,則思中立不倚者。” 明-徐霖 《繡襦記·汧國流馨》:“爾 李氏 狎邪而白堅貞之志,波靡而勵中立之行,是則尤人所難者也。”

上面講嘅係一般詞典嘅解釋。不過唔知由幾時開始,可能因為被洗腦或畀on9教育荼毒太耐關係,「中立」嘅用法變得愈來愈濫,通俗上突然包括埋「客觀/公正」、「冇立場」哩類意思,而且好多時仲變埋褒義詞。好似「我冇立場」、「我討厭/唔理政治」嗰班政治冷感嘅一羣人,又被包括埋入「中立」嗰班人度。


(網上圖片。個人認為上圖用「中間派」比較適合。)

事實上,「冇立場」同「中間立場」係兩個概念嚟,更加唔好講「中間立場」唔一定代表「客觀/公正」、「獨立」,就好似各打50大板唔等於就係客觀或公正。所以小弟就認為,與其繼續乜都叫「中立」,用哩個用到愈來愈濫,被人借嚟帶風向嘅詞,我哋係應該揀用番一啲更準確嘅詞。好似「中間立場」就叫「中間派」(或「中間超人」XD);「客觀」就叫番「客觀」;「冇立場」、「唔理政治」就用「不問世事/置身事外」、「政治冷感」(或港豬)*。

*個人認為關心政治係一個公民嘅責任。除非你係完全唔關事、獨立嘅第三方,唔係嘅話,「不問世事/置身事外」其實係一種ignorance,某程度上係對自己不負責任嘅表現嚟[1]。

中立其實係等於中方立場?

另外將「中立」哩個詞,睇成係褒義詞本身就「唔中立」,某程度上有邏輯矛盾(好似係)。好似當另一方勢力強大過,並且威壓同唔公平對待對立嘅另一方,例如而家強國或當年納粹德國嗰種獨裁政權下,政權vs反對派咁,做「中間派」或「置身事外」其實只會助紂為虐。

最後,小弟想講唔係聲稱自己「中立」就等於「中立」,尤其當你講一套,但做另一套嘅時候。就好似某啲黃絲口講團結,但又花一大堆精力喺冇關重要嘅事情上「捉鬼」,公開抨擊同為反政府嘅陣營;監警會話自己「獨立」一樣。一個人、機構佢嘅立場,唔係「自己說了算」,而係應該由其他人或大眾去判定。

利申:小弟「中立」嘅,但反港共政府同反國安法,好似係(曲)。


延伸閱讀:

[1] 《[我討厭政治(?)]淺談小弟對香港人政治觀念嘅睇法》

https://godfreyleungcosmo.wordpress.com/2020/05/17/%e6%88%91%e8%a8%8e%e5%8e%ad%e6%94%bf%e6%b2%bb%ef%bc%bd%e6%b7%ba%e8%ab%87%e5%b0%8f%e5%bc%9f%e5%b0%8d%e9%a6%99%e6%b8%af%e4%ba%ba%e6%94%bf%e6%b2%bb%e8%a7%80%e5%bf%b5%e5%98%85%e7%9d%87%e6%b3%95/

究竟乜嘢係科學? (What is science?)

(credits: S.Harris)

科學,可以話係人類文明能夠發展到今時今日嘅重要基石,亦係人類了解大自然世界,甚至係人類社會嘅重要工具。不過,可能因為教育問題(尤其”Xiang Gang”),又或而家偽科學盛行,好似唔係好多人真係理解科學究竟係乜嚟……

因為咁,小弟今次想同大家講解、討論一下乜嘢先係科學。


科學=可證偽性?談談個人對何謂科學嘅睇法

(credits: S.Harris)

每次有人喺網上爭論偽科學,又或者差嘅科學研究時,通常討論重點都會去咗可證偽性(Falsifiability)哩一點度,好似界定一樣嘢究竟科唔科學,就係單純取決於可證偽性。只要一個假說或理論係可以證偽嘅,咁就係科學;相反唔可以嘅話,就係唔科學。不過哩個簡單嘅二分法,究竟啱唔啱呢?

回答哩個問題前,小弟想先問大家認為下面嘅一個假說理論係唔係科學:

「風水可以影響一個人運程,只要住所背山面海,咁你就一定可以發達」

相信大部分人都唔會認為佢係科學,就算係提出哩個假說嘅風水師都未必會。之但係上面嘅風水理論又係唔係證偽唔到呢?事實上又唔係喎,因為你只要搵到一個冇發達嘅反例,就可以推翻佢。

由上面例子我哋可以睇到,雖然可證偽性的確係界定科學嘅一個重要指標,但佢唔係唯一嘅指標。就咁用可證偽性嘅簡單二分法其實係錯。會出現哩種觀點,可能係因為社會太受波普爾(Karl Popper)嘅科學哲學觀點影響,大眾冇真正深入認識乜嘢先係科學。


科學=/=數學或純邏輯學,嚴格嚟講「冇所謂絕對嘅啱或錯」

(credits: S.Harris)

一般人會有可證偽性嗰種簡單二分界定法,個人認為另外嘅部分原因,係當咗科學係漫畫世界嗰種「一即係全,全即係一」嘅「絕對真理」,理論有所謂絕對嘅啱或者錯。

吓?科學唔係真理?咁點解物件永遠一定會由高處向下跌?要解答哩個疑問,首先要明白乜嘢係「絕對嘅啱或者錯」。小弟所講嘅絕對對錯,係指100%嗰種絕對,而且冇任何空間畀唔同嘅詮釋同時存在。就好似數學入面,當你定立咗數論公理,界定咗乜嘢係雙數/質數,數字符號代表乜,咁「2係雙數」或「6係質數」哩類陳述,就只會有絕對嘅啱或錯,你唔會可以用另一種詮釋去得出另一個結論(改公理或定義等於另一個數學世界,係另外一回事)。

相反,「因為萬有引力,所以物件永遠一定會由高處向下跌」哩類科學陳述,其實係人類靠客觀證據同推論,詮釋自然世界法則得出嘅陳述,係冇可避免必須建基於假設前題之上。事實上嚴謹嚟講,係唔可以絕對100%保證上面句陳述同前設一定啱。

比喻嚟講,就好似你想知道一粒骰仔係公平定有問題,於是你擲粒骰仔10次去統計結果,然後發現10次結果都係6。見到哩個結果,一般好直接會認為骰仔一定有問題,有乜可能10次結果都一樣呀?不過其實就算粒骰仔係公平,事實上一樣有機會可能得出10次結果一樣哩個結果,只係機會好細好細(機會率 < 千萬分之一),但唔係絕對冇可能。當然你可以繼續擲粒骰仔或做其他實驗,去做進一步驗證。但無論擲骰仔結果繼續一樣幾多次或做多幾多驗證,粒骰仔係公平嘅可能性去到幾低都好,邏輯嚴格上你都唔可以100%保證下一次結果一定係6,亦都唔可以絕對100%否定粒骰仔係公平哩個假說*。

*例如可能只係你隻手嘅「磁通量」令粒擲骰仔每次結果都係6 (笑)


回應「未親身去過或肉眼睇過,你又知啱?」哩類睇法

(credits: S.Harris)

好啦,咁既然科學「冇所謂絕對嘅啱或錯」,咁科學有乜資格去質疑其他神秘學或偽科學,話人哋錯呢?首先,雖然科學方法有佢嘅限制,但咁都唔代表神秘學或偽科學嗰種「探求」真相嘅方法可取。另外只要係客觀、有理據,任何人都可以有資格討論同質疑一個學說,而唔係只有絕對啱嘅「神/造物者」先有資格。就好似政策好壞、史料記載啱定錯一樣,你唔需要係施政者或古代當下身處其中嘅人,先至有資格討論。

另一個某啲「旁觀者清」、「自以為看透世事」嘅人質疑科學嘅常見「理據」,就係「科學同鳩噏冇分別,因為冇人親身去過或肉眼睇過,都冇人知啱定錯」。哩個講法同樣冇可取之處。無錯,受時空同物理限制,有啲現象或地方我哋的確係冇辦法可以親身體驗到,但咁係唔係代表我哋冇方法去理解或驗證唔同相關假說?當然唔係啦!而且事實上,人作為一個測量儀器,其實係非常唔可靠同唔準確,就好似幾年前,啲人拗到面紅耳赤嘅「條裙究竟係金色定藍色」嗰則新聞咁,單靠人嘅感官去驗證理論其實先有問題。


科學就好似查案,而科學家就係「東京死神」

(圖片來自:http://seiga.nicovideo.jp/seiga/im2889193)

講咗咁耐,咁究竟科學係乜呀?小弟認為哩個問題其實比一般人所諗嘅複雜好多,尤其係驗證同確立一個科學理論當中嘅過程。如果硬要簡單一句概括講嘅話,我會話「科學係人類對自然世界嘅最客觀詮釋,喺盡可能最少同最簡單嘅前設前題下,搵出最接近、最能完整描述自然世界模型嘅最有效同可靠嘅方法」。

比喻嚟講,就好似偵探搜查咁,科學方法就係嚴謹嘅查案、搜證過程#,用客觀證據同推論,去重塑番案發現場(即現實物理世界)係點,而科學家就係偵探。所以科學家其實都係同「東京死神」一樣,係「危險人物」嚟,好似係(笑)

#某些地方黑警除外

註:不過偵探始終唔係「神」,唔喺當時現場嗰一刻目擊事發經過,所以無論方法有幾客觀、嚴謹同可靠,邏輯嚴格上佢都係冇可能100%肯定或否定事發經過係點。同樣道理,科學家亦一樣。所以比起用可證偽性嚟區分,個人認為用貝氏詮釋(Bayesian interpretation)去理解科學,即貝葉斯主義科學觀,其實先更準確同適合(有機會再詳細講)[1]。

今次講到哩度,最後送首「東京死神」音樂作結,下次再講。


延伸閱讀:

[1] 《Falsifiability and Messy Science》by Sixty Symbols 

[2] 《Falsifiability and physics》by Matthew R. Francis,刊於《Symmetry Magazine》(英文)https://www.symmetrymagazine.org/article/falsifiability-and-physics

[3] 《Physicists and Philosophers Debate the Boundaries of Science》by Natalie Wolchover,刊於《Quanta Magazine 》(英文)

https://www.quantamagazine.org/physicists-and-philosophers-debate-the-boundaries-of-science-20151216/